本发明公开了一种基于图像分层增强的图像去雾方法及系统，方法包括以下步骤：S1、估测原始图像的大气光值 A；S2、结合所述大气光值构造两层半逆图像，对两层半逆图像进行线性对比度增强；S3、计算原始图像和增强后的半逆图像在 CIE-LCH 空间 H 通道的绝对差值，根据所述绝对差值确定增强后的半逆图像的权值分布，根据所述权值分布将两层增强后的半逆图像进行融合；S4、对融合后的图像进一步线性增强，获得最终的对比度增强的去雾

产品详细介绍SC-G型自动考种及千粒重分析仪（含玉米果穗考种）1、货物名称：SC-G型自动考种及千粒重分析仪（含玉米果穗考种）玉米自动考种及千粒重分析仪所配的各种种粒自动考种及千粒重分析仪2、主要用途：SC-G型自动种子考种分析及千粒重仪系统是根据图像识别原理来实现自动分析的。目标照明模式可在背光和普通日光之间切换。可用于各类农作物实粒种子（谷粒、玉米、小麦、油菜籽等）的精确考种、各类粮库的虫口计数分析，以及另加配件后可做发芽率、均匀度分析，可兼做表面光滑的昆虫计数或虫卵计数（如：米象、蚜虫、蚕卵、鱼籽等），以及被当作种子净度工作台用于种子净度检验。内置支持网上在线升级的模块。3、主要性能指标配A3幅面最高分辨率1600dpi × 1600dpi、紫光M1彩色扫描仪。可分析各类种粒的种粒直径1～20mm。扫描仪分析工作区：A3幅面（431.8mm×304.8 mm）。可同时成像分析10个玉米果穗、35个玉米截面、1000粒左右玉米籽粒。配500万像素分辨率的彩色数码拍摄仪，及超薄的背光光源板（大于A4幅面），具有图像调整、观察特性。1）．籽粒数分析速度、精度：自动数粒速度：1500～3000粒/分钟（玉米籽粒），其它籽粒为1200～20000粒/分钟，数粒误差≤±0.1~0.4%，监视修正即达100%正确。具有相机画面畸变、背光板均匀性的自动矫正特性，有效减小尺寸测量误差。对于直径较小的种粒（如油菜籽、蔬菜籽），单批次考种数量在5000-10000粒。可根据实际需求自行创制一键自动分析向导，适用于水稻、小麦、玉米、豆类、油菜籽、瓜子、蔬菜籽等各类农作物的自动精确考种，自动测出籽粒数、各籽粒的粒形参数（长、宽、长宽比、面积、等效直径、周长等），以及其平均值，能精准显示种粒外接矩形，并可自动排序输出，及可输出粒径分布图表。自动千粒重分析的精度误差：≤±0.5%。具有对被分析目标颜色、形状进行自学习和再学习，并实现自动分类的特性，以及品种比对特性。能大批量自动分析成像后的种粒图片。2）．果穗、截面分析速度、精度：同时成像分析玉米果穗：10个/次/分钟、玉米截面：35个/次/分钟。全自动测出各玉米穗长、穗粗、秃尖长、左右穗缘角、穗行角、平均行粒数、粒厚、截面穗行数、穗粗、轴粗，以及其平均值，可自动测出各玉米截面上的平均粒长、平均粒宽等参数。3）．有被测样本条码、电子天平RS232重量数据的自动输入接口，插上电脑条码枪即可刷入样本条码编号；电子天平上的被测样本重量数据可一键送到电脑保存为EXCEL表。4）．分析过程为全程电脑控制，高效、准确、简便易用，真正一键式操作，鼠标一点，结果即现。5）．辅助删补：用鼠标选择增加/删除，或直接用鼠标在屏上手工计数，以确保100%正确。目标区的个性化计数：对工作区视野中任选范围或矩形范围内的计数。6）．分析数据导出：分析图像结果可保存，以及按大小形状排列输出，自动形成总报表，统计分析结果能输出至Excel表，以及，以及按宽度、长度、面积等输出的排列图和测量图。3. 供货配置表：SC-G型自动考种及千粒重分析系统 数量 备注SC-G型自动考种及千粒重分析软件及《简明手册》 1张 光盘，3年免费升级软件锁 1个 1年保换、2年保修SC-G型自动考种及千粒重分析系统软件质量三包卡 1张 光盘电子文档中A3幅面的紫光M1彩色扫描仪 1台 紫光公司全国联保1年USB2.0接口的拍摄仪（彩色500万像素） 1台 非人为损坏，质保1年超薄的背光光源板（A4幅面工作台板） 1个 非人为损坏，质保1年带RS232通讯接口的量程220g电子天平（精度1mg） 1台 生产厂家联保1年RS232接口通讯传输线 1条 非人为损坏，质保1年种粒成像盘、种粒收纳小盘 各1 4. 推荐电脑配置（需另配，由投标的经销商在当地找供应商）品牌电脑（酷睿i5 CPU / 8G内存/ 19.5”彩显/无线网卡，5个以上USB2.0口，运行环境Windows 10完整专业版或旗舰版）

通过采用两个不同光学放大倍率图像采集系统，进行巧妙的光路切换，实现了针对检测对象变换图像分辨率的要求，有效解决了高密度PCB检测速度和微小元件检测准确度的矛盾，破解了长期困扰自动光学检测技术领域共性技术难题；应用企业已累计生产销售682台套，用户已达到300多家，部分产品出口到了欧盟、东南亚等国家和地区，打破了相关高端设备一直被国外设备垄断的局面，有效促进了行业的技术进步。

简介： 1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。 层级分割模型示意图  分类模型可视化热图   2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。 钼靶乳腺图像预处理   双侧双体位深度学习网络   优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。  

1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。层级分割模型示意图 分类模型可视化热图 2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。钼靶乳腺图像预处理 双侧双体位深度学习网络 优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。

其中的前景图像提取方法包括：获取第i帧与第i-1帧中位置相同的像素点之间的距离，获取距离大于预定值的像素点集合Z，获取像素点集合Z中与第i-1帧中的前景区域的像素点位置相同的像素点集合U，将像素点集合U进行背景差分处理，获得像素点集合E，根据像素点集合E、像素点集合T以及像素点集合W的并集确定第i帧的前景区域，像素点集合W为像素点集合Z中与第i-1帧中的前景区域的像素点位置不相同的像素点集合，像素点集合T为第i-1帧的前景区域中与像素点集合U中的像素点位置不相同的像素点集合。上述技术方案能够快速准确的提取出第i帧中的前景图像。

清华大学利用具有自主知识产权的 DMB-T 系统所开发出来的应急双向视频图像传输系统，在国务院应急办领导视察时获得了好评，并已经在国内部分地区获得了应用，反应良 好，有效地解决了特殊情况下图像信息的传输和发送问题，如在反恐演习、奥运安保、2008 年雪灾、地震灾害的现场图像回传中发挥了作用。该系统对于构建和谐社会、维护社会治安、 打击犯罪提供了重要的技术保障。清华大学数字电视技术研究中心在原有技术基础上，针对 当前频率资源紧张的现状，提出了图像传输带宽可变的新一代系统。该方案已经被公安部正 式接收成为其标准技术方案之一，未来不少要害行业和部门(公安、消防、电力、卫生、水 利、森林防火、库区大坝安全等)都可能需要配备该系统。我们愿意与当地企业合作，根据 需求进一步做好系统优化并完成产品设计，使之成为一个具有低成本、高可靠性和产业化成 熟度高的产品。

该技术是利用图像处理的方法自动计算人眼感兴趣区域，再根据人眼对于图像亮度信息、对比度以及颜色特性的感知机理自动生成 2.5D 中的图像高度信息，借助于高打印重复精度的设备，可以完成 2.5D 图像的自动打印技术

本研究成果基于数字图像处理和智能识别原理，依据CCD工业摄像机获得的黑白彩色图像，进行滤波、校正、灰度化、白平衡、差分等数字图像处理，采用小波变换等技术，获得监测对象的轮廓外形，然后与基准图像轮廓比较，获得监测对象状态等信息。

多功能图像处理系统能够完成图像增强、图像恢复、画中画、自动调焦/调光、无极电子变倍等多种功能，重点解决光照不均、光学系统透光不均、以及雾霾和雾天等情况下造成的图像质量降质、视觉效果差等问题，并能抑制大气湍流引起的图像模糊，突破传统图像复原依赖于精确的物理模型的设计理念，解决了常规图像复原计算量大运行速度慢等关键问题。系统具有很好的实时性、稳定性和适应性。1. 图像增强：由于图像采集过程中，光学系统透光不均、光照不足、雾霾天气等因素使图像观看质量下降，图像增强可大大增加图像可视度，提高不同区域的图像对比度，很好的改善视觉效果；2. 图像恢复：解决由于大气湍流、焦距不准、光学系统缺陷所造成的图像模糊；3. 多模图像融合：根据EMI/EMC设计原则，抗干扰能力强，选用高TG制作材料，提供了极高的可靠性；重点解决了多模图像融合时信息不完整、可见光/微光/红外图像噪声偏大、双路图像不配准、远距离传输干扰大等问题，具有低延迟、信息保全度高、可靠性高等特点。 主要技术指标：1. 输入为模拟PAL/NTSC制式或双路数字接口cameralink，输出模拟PAL/NTSC制式、cameralink或者VGA、XGA；2. 图像增强FPGA实现具有极低的延迟，处理时间小于一场，图像增强后视频能量梯度平均提高2倍以上，对由于光照不足、光照不均、恶劣天气所引起的降质图像，可以凸显细节、自适应调节对比度，突显图像的关键信息；3. 图像复原使用专利的复原处理算法，能有效地抑制大气湍流引起的图像模糊，恢复出更多的图像细节，显著提升图像视觉效果，增强图像对比度和可视度，复原后的视频平均灰度梯度值提高3倍以上；4. 图像锐化算法有效增加图像细节信息，主要消除由于光学系统对焦不精确所造成的模糊现象，与精确对焦图片对比，平均结构相似度达到95%以上；5. 图像去雾算法针对薄雾、浓雾进行自适应调整，分析图像中色彩信息，对图像中各点景深进行精确测量，还原显示真实图像。图像经过去雾处理后，平均信息上提高30%以上；6. 多模图像融合技术分别处理模拟信号及数字信号，输出默认为XGA差分三线制视频，可进行远距离传输，抗干扰能力强；配准精度可达到个像素以内，配准实时处理；灰度融合图像局部信息相对于单模原始图像对应局部区域的联合熵提高30%以上； 图像降噪功能在降低噪声影响的同时很好的保留了图像的纹理信息。